学习协作策略求解NP难路由问题
机器学习
2021-10-28 v1 机器学习
摘要
近期，深度强化学习（DRL）框架已展现出无需问题特定专家知识即可求解如旅行商问题（TSP）等NP难路由问题的潜力。尽管DRL可用于求解复杂问题，其框架仍难以与最先进启发式方法竞争，存在显著性能差距。本文提出一种新颖的分层问题求解策略，称为学习协作策略（LCP），它利用两个迭代DRL策略——播种器与修订器——有效寻找近最优解。播种器生成尽可能多样化的候选解（种子），并致力于在完整组合动作空间（即分配动作序列）上探索。为此，我们使用简单而有效的熵正则奖励训练播种器策略，以鼓励其发现多样解。另一方面，修订器修改播种器生成的各候选解；它将完整轨迹划分为子巡回，并同时修订每个子巡回以最小化其行程距离。因此，修订器被训练为提升候选解质量，聚焦于缩减的解空间（利于利用）。大量实验表明，所提双策略协作方案在TSP、奖品收集TSP（PCTSP）和带容量车辆路由问题（CVRP）等多种NP难路由问题上优于单策略DRL框架。
引用
@article{arxiv.2110.13987,
title = {Learning Collaborative Policies to Solve NP-hard Routing Problems},
author = {Minsu Kim and Jinkyoo Park and Joungho Kim},
journal= {arXiv preprint arXiv:2110.13987},
year = {2021}
}
备注
NeurIPS 2021, 23 pages, 8 figures